4. Előadás. A legkisebb négyzetek problémája a következő optimalizálási alapfeladat: Minimalizáljuk
|
|
- Henrik Nagy
- 7 évvel ezelőtt
- Látták:
Átírás
1 OPTIMALIZÁLÁSI ELJÁRÁSOK 4. Előadás Matematika MSc hallgatók számára Előadó: Hajnal Péter Jegyzetelő: Magyari Nikolett március A legkisebb négyzetek probléma A legkisebb négyzetek problémája a következő optimalizálási alapfeladat: Minimalizáljuk c(x) = Ax b -et ahol A R N n egy teljes oszloprangú mátrix. Azaz, ha A = (a 1, a 2,...,a n ) ahol a i az A mátrix i-edik oszlopa, akkor az a i R N vektorok lineárisan függetlenek. Speciálisan N n. Igazából az N n a helyes szemlélet. Megjegyzés. Egy k l méretű mátrix teljes rangú, ha rangja min{k, l}. Ez a tulajdonság két lehetőséget takar. Ha a rang k, akkor k l. Erre az esetre szokásos úgy hivatkozni, hogy kövér teljes rangú mátrix. A másik eset (amikor a rang l és ekko l k) a sovány teljes rangú mátrix esete. A teljes rangú négyzetes mátrixok mindkét esetbe beleérthetők. Esetünkben feltesszük, hogy a legkisebb négyzetek problémájában szereplő mátrix sovány teljes rangú. A feltétel kikerülhető, de technikai problémákhoz vezet. Az áttekinthetóség kedvéért élünk a megszorítással. Bizonyítás nélkül közlünk egy számunkra fontos lineáris algebrai állítást. 1. Lemma. Egy A sovány teljes rangú A mátrixra A T A invertálható. Az optimalizálási feladatnak nagyon szemléletes geometriai tartalma van (lásd ábra). range A = {Ax : x R n } R N, egy lineáris altér, amit a 1,...,a n vektorok 1. ábra. generálnak. Feltételünk alapján generáló elemek lineárisan függetlenek (az altér egy 4-1
2 bázisát alkotják), azaz az altér dimenziója n. Feladatunk b és range A távolságának meghatározása. Látható, hogy a célfüggvény egyszerű, nincs feltétel speciálisan D = L = R n. A feladatunk ekvivalens a távolság négyzetének minimalizálásával, azaz az Minimalizáljuk c(x) = Ax b 2 -et alakkal. Ez hasznosabb számunkra, mert a célfüggvény differenciálható Első nekifutás A probléma egy konvex, differenciálható függvény minimalizálása. A klasszikus analízis technikái adják a megoldást: c(x) = (Ax b) T (Ax b) = x T A T Ax x T A T b b T Ax+b T b = x T A T Ax 2b T Ax+b T b. Ekkor c(x) akkor lesz 0, ha c(x) = 2A T Ax 2A T b. x = [(A T A) 1 A T ]b. Mivel c konvex ez a feltétel elegendő is ahhoz, hogy minimumhelye legyen c(x)-nek: x = [(A T A) 1 A T ]b, ahol x az optimalizálási feladat optimális helye. A megoldó képletben szereplő mátrix sok helyen felmerül. Érdemes közelebbről is megvizsgálni. Megjegyzés. Ha N = n, akkor A invertálható. Ebben az esetben (A T A) 1 A T = A 1 (A T ) 1 A T = A 1 Általában [(A T A) 1 A T ]A = (A T A) 1 (A T A) = I, azaz az x -ra felírt kifejezésben szereplő mátrix A EGY bal oldali inverze. Definíció (Moore Penrose-inverz/pszeudoinverz). Ha A oszlopai lineárisan függetlenek, akkor A = (A T A) 1 A T az A mátrix pszeudoinverze. Igen ritka, hogy egy általános optimalizálási feladatnak ennyire explicit megoldása legyen. Egyszerűsége ellenére a legkisebb négyzetek problémája az egyik leggyakrabban alkalmazott optimalizálási feladat 1.2. Második nekifutás Emlékeztető (Gram Schmidt-ortogonalizálási-eljárás). A Gram Schmidt-ortogonalizálási-eljárást az A mátrix a 1,...,a n oszlopaira alkalmazva egy q 1,...,q n vektorrendszert kapunk, amelyre teljesül, hogy (i) elemei ortogonális egységvektorok, (ii) az általuk kifeszített altér, megegyezik az a 1,...,a n oszlopok által kifeszített altérrel, range A-val, 4-2
3 (iii) a 1 meghatározza q 1 -et, a 1, a 2 meghatározza q 2 -t, a 1, a 2, a 3 meghatározza q 3 -t és így tovább, plusz az összes kapcsolat lineáris. A fentieket a lineáris algebra nyelvén leírva A = (q 1,...,q n )R n n := Q N n R. (i) megfogalmazása: Q T Q = I. (iii) megfogalmazása A felsőtrianguláris, a főátlóban lévő elemek nem-nullák. A ilyen felírását A QR-felbontásának nevezzük Megjegyzés. Az eljárás akkor is működik, amikor az a i vektorok nem lineárisan függetlenek. Legyen rank A = n 0 < n. Ekkor A N n = Q N n0 R n0 n. Ekkor R-ről azt tudjuk, ha soraira az első nem 0 elem indexének sorozat nézzük, akkor ez szigorúan monoton lesz. Fejezzük ki A pszeudoinverzét a QR-felbontása alapján: A = ((QR) T QR) 1 (QR) T = (R T Q T QR) 1 R T Q T = R 1 (R T ) 1 R T Q T = R 1 Q T Általában ezen alakon alapulnak a konkrét pszeudoinverzet számoló algoritmusok Harmadik nekifutás Előbb az analitikus megoldásból vettük x -ot leíró képlet mátrixát. Most függetlenül dolgozunk. A QR-felbontásnak van egy kiterjesztett alakja, a teljes-qr-felbontás. Először idézzük fel ezt: Emlékeztető. Az q 1,...,q n ortonormált rendszer megkapása után a kapott vektrokat egészítsük ki további vektorokkal, hogy R N egy ortonormált bázisát kapjuk. (Ezt megtehetjük például a Gram Schmidt-eljárást alkalmazzuk az (A I) N (n+n) teljes sorrangú mátrixra.) ) ahol Q 1 a korábbi Q. A = (Q 1 Q 2 ) N N ( R 0, N n Az optimalizálási feladatunk célfüggvénye ( ) c(x) = Ax b 2 R = (Q 1 Q 2 ) x b 2. 0 A célfüggvény egy vektor hossznégyzete. Ez nem változik, ha ortogonális transzformációt alkalmazunk rá. Mi a (Q 1 Q 2 ) mátrix-szal való szorzást alkalmazzuk: ( ) ( c(x) = c((q 1 Q 2 ) T x) = R T) 2 ( ) Q1 x T b 0 Q 2 = Rx Q T 1 b 2 Q T = 2 b = Rx QT 1 b Q T 2 b = Q1 Rx Q 1 Q T 1 b 2 + Q2 Q T 2 b
4 (Az utolsó egyenlőségnél ismét kétszer alkalamztunk egy hosszt megőrző ortogonális transzformációt.) Némi elnevezéstan : Q 1 Q T 1 a projekció mátrix. (Emlékezzünk a másik irányú szorzatra is: Q T 1 Q 1 = I.) (Q 1 Q 2 ) oszlopai egy ortonormált bázisát adják R N - nek. Ebben a bázisban felírható minden vektor, speciálisan b is. A b vektor a Q 1 oszlopaihoz tartozó koordinátáit éppen a Q 1 b vektor adja meg. Ezt Q 1 -gyel szorozva a Q 1 (Q T 1 b) vektor adja a Q 1 oszlopaihoz tartozó komponensek összegét, a Q 1 sorai által kifeszített altérre vonatkozó vetített képet. Azaz legyen π range A a range A altérre való vetítés. Ennek lineáris algebrai alakja π range A (b) = Q 1 Q T 1 b, ahol Q 1 Q T 1 mérete N N. Q 2 oszlopai éppen a Q 1 oszlopai által kifeszített range A altér ortogonális kiegészítőjét feszítik ki. Q 2 Q T 2 b a b vektor erre vonatkozó vetülete. Azaz c(x) fenti felírása tulajdonképpen csak egy Pitagorasz-tétel: 2. ábra. Az új alakból nyilvánvaló, hogy az optimális érték azon x-re vevődik fel, amelyre Q 1 Rx = Q 1 Q T 1 b, azaz x = R 1 Q T 1 b. Egyszerű lineáris algebra adta az optimálizálás megoldását és annak geometriai tartalmát Dualizálás Optimalizálási feladatunk: Minimalizáljuk Ax b 2 -et Nincs feltételünk, a dualizálásnak nincs értelme: L(x, λ, µ) = c(x). A duális feladat célfüggvénye ĉ(λ, µ) = inf x c(x). Ennek meghatározása ugyanaz mint az eredeti probléma. A probléma átfogalmazására nagyon érzékeny a dualizálás. Triviális átírások lényegesen eltérő duális feladathoz vezetnek. Lássuk a legkisebb négyzetek problémájának egy átírását: 4-4
5 Minimalizáljuk Feltéve, hogy x 2 -et Ax = Ab, ahol A R N n, ahogy előbb. Maximalizáljuk 1 2 µt AA T µ A T b T µ-et A Slater-feltétel nyilván teljesül. Erős dualitás van, azaz ha p p = d, ahol d a duális optimális érték. <, akkor 1.5. Egy alkalmazás Adottak a(t i, f i ) számpárok (i = 1,...,10.000), ahol t i : különböző helyek, f i : mért függvényértékek (t i, f i R). Kerssünk d fokú polinomot, amely jól egyezik a mért adatokkal. p(x) = x 0 + x 1 t + x 2 t x d 1 t d 1, ahol (x 0, x 1,...x d 1 ) R d. Tegyük fel, hogy d Speciálisan nem egy interpolációs feladatról van szó. A jó egyezést persze tisztázni kell. Egy lehetséges megoldás, hogy a jó egyezés (p(t i )) és (f i ) közelsége. Ekkor a legkisebb négyzetek problémájával állunk szemben. A paraméterek: b = f 1 f 2. f , A =. 2. Lineáris programozás 1 t 1 t k 1... t d t 2 t k 2... t d t t k t d , x = t 1 t 2. t A lineáris programozás egy rendkívül fontos esete az optimalizálási problémáknak. Láttuk már néhány alkalmazását. Most további kettőt említünk. Példa (Politópok Csebisev-középpontja). A P = {x R n : a T i x b, i = 1,..., k} alakú ponthalmazokat poliédereknek nevezzük. Ha a P poliéder korlátos (amikor is kompakt: korlátos és zárt), akkor politópnak nevezzük. Fontos probléma, hogy mérjük P egy pontja milyen mélyen van P belsejében. Illetve fontos kérdés: Melyek P legbelső pontjai? Igazából az is központi probléma, hogy P-ről döntsük el, hogy üres-e. Sokféle megoldás/válasz van. Mi egy, Csebisev nevéhez fűzött, megoldásról beszélünk. Definíció. B(c, r) = {x R n : x c 2 r 2 } a c középpontú r sugarú gömb. A p P pont Csebisev mélysége M(p) = max{r : B(p, r) P}. c a P politóp egy Csebisev középpontja, ha M(c) = sup M(p). p P. 4-5
6 Az alapprobléma: Adott P esetén keressünk egy Csebisev középpontot. A feladat első ránézesre nem lineáris. Némi ötlettel azonban LP feladatként fogalmazhatjuk meg. Némi geometriai ismeretre lesz szükségünk. Definíció. Egy hipersík R n -ben: H = {x : a T x = b} alakú ponthalmaz. r pont pontosan akkor esik H-ra, ha a T r b = 0. Egy p pont előjeles távolsága H-tól a T a p b a. Az előjeles távolság abszolútértéke a távolság, előjele a hipersík azon oldalát írja le, ahová pontunk esik. Kétféle előjeles távolság létezik. A fenti az, amelyik az {x : a T x > b} féltérben pozitív, a komplementer (nyilt) féltérben negatív. A Csebisev-középpont problémája ekvivalens a következővel: Maximalizáljuk r-et Feltéve, hogy a T i x + a i r b i, i = 1,..., k r 0 Első típusú feltételünk ekvivalens azzal, hogy at i a i x + r b a i, azaz r b a i at i a i x. A jobb oldalon egy előjeles távolság szerepel, amit úgy választottunk, hogy az a i x < b félterekben legyen pozitív. Az átfogalmazott optimalizálási feladat egy LP feladat. Példa (Gráfok súlyozott párosítási problémája). G egyszerű gráf esetén határozzuk meg ν(g) = max{ M : M párosítás G-ben}. Általánosabban: Ha adott G és w : E(G) R 0 élsúlyozás, akkor határozzuk meg ν w (G) = max{w(m) : M párosítás G-ben} értékét, ahol egy X élhalmazra w(x) = e:e X w(e). M E élhalmaz leírható/kódolható χ M R m R E(G) karakterisztikus vektorával. Nyilván 1 T χ M = M, w T χ M = w(m). Könnyű látni, ν(g) = max{1 T χ M : M párosítás G-ben} és ν w (G) = max{1 T χ M : M párosítás G-ben}. Definíció. Legyen MP(G) = conv{χ M : M párosítás}. A fenti politóp csúcsai a χ M vektorok. A politópon lineáris függvény szélsőértékét csúcson veszi fel. Így a párosítási, illetve súlyozott párosítási probléma Maximalizáljuk 1 T x-et Maximalizáljuk w T x-et Feltéve, hogy x MP(G). Feltéve, hogy x MP(G). Az LP problémákban is egy poliéderhez tartozás szerepel feltételrendszerként, de ott a poliéder egy másik leírását kell látnunk. Az LP-ben leírt ponthalmazok mint félterek metszete adott. MP(G) ilyen leírását Edmonds adta meg. 4-6
7 2. Tétel (Edmonds-féle poliéder-tétel). MP(G) = {x R E(G) : x e 0 minden e E esetén e:vie x e 1 minden v V esetén e=xy:x,y S x e S 1 minden S V 2 páratlan elemszámú halmazra}. A fenti módon a súlyozott párosítási probléma egy LP feladatként írható le. Megjegyzés. Vigyázni kell arra, hogy a probléma mérete nagyon megváltozott. Eredetileg egy gráf és élsúlyozása volt az input. LP feladatként az egyenlőtlenségrendszer, ami leírta a politópot exponenciálisan hosszú lehet. Azaz a fenti átfogalmazás és a szimplex módszer ismerete nem jelenti a probléma kezelhetőségét. A szimplex módszernek szüksége van az egyenletrendszer mátrixára, ami óriási a gráf és ehhez mérhető súlyokhoz. Példa. Specializáljuk az előző példát G = C 5 esetére. 3. ábra. Öt változónk lesz, mindegyik előjel feltétellel: x e, x f, x g, x h, x i 0. A csúcsokra felírt feltételek: x e + x f 1 x f + x g 1 x g + x h 1 x h + x i 1 x i + x e 1 ( Ha itt megállunk, akkor nem MP(G)-t kapjuk: 1, 1, 1, 1, ) ( kielégíti eddigi feltételeinket, de 1, 1, 1, 1, ) / MP(C5 ). Valóban MP(G) minden pontja olyan, hogy kooordinátái összege legfeljebb 2. (Ez a χ M, ahol M párosítás, alakú pontokra nyilván igaz és ez öröklódik a konvex burokra is.) Az Edmonds-tétel egy lényeges további feltételt ad: x e + x f + x g + x h + x i 2. Ezzel megcsonkítva az előző egyenletrendszer megoldáshalmazát MP(G)-t kapjuk. A továbbiakben két példát mutatunk, ami a lapszám (definiáló egyenlőtlenségek száma) és a csúcsok száma közötti nagyságrendi különbség lehetőségét mutatják. Példa. Az n dimenziós kocka (hiperkocka) H n = {x R n : 0 x i 1, i = 1,..., n} 2n darab egyenlőtlenség írja le a halmaz. Ezek mindegyike lényeges, azaz 2n darab lapja van az n-dimenziós kockának. 4-7
8 A csúcsok konvex burkaként való leírában: 2 n darab csúcsra van szükségünk. H n = conv {v : v {0, 1} n } Példa. Az előző példa dualizálható. Az n-dimenziós kocka duálisa az n-dimenziós oktaéder: O n = {x R n : ǫ i x i 1}, 2 n darab lap határozza meg. Ezzel egy időben látható, hogy ekvivalens leíráshoz csak 2n csúcs kell. ǫ i {±} O n = conv {±e i : i = 1,...,n} 4-8
Diszkrét Matematika MSc hallgatók számára. 4. Előadás
Diszkrét Matematika MSc hallgatók számára 4. Előadás Előadó: Hajnal Péter Jegyzetelő: Szarvák Gábor 2012. február 28. Emlékeztető. A primál feladat optimális értékét p -gal, a feladat optimális értékét
Részletesebben4. Előadás: Erős dualitás
Optimalizálási eljárások/operációkutatás MSc hallgatók számára 4. Előadás: Erős dualitás Előadó: Hajnal Péter 2018. Emlékeztető. A primál feladat optimális értékét p -gal, a feladat optimális értékét d
RészletesebbenVektorterek. =a gyakorlatokon megoldásra ajánlott
Vektorterek =a gyakorlatokon megoldásra ajánlott 40. Alteret alkotnak-e a valós R 5 vektortérben a megadott részhalmazok? Ha igen, akkor hány dimenziósak? (a) L = { (x 1, x 2, x 3, x 4, x 5 ) x 1 = x 5,
Részletesebben11. Előadás. 1. Lineáris egyenlőség feltételek melletti minimalizálás
Optimalizálási eljárások MSc hallgatók számára 11. Előadás Előadó: Hajnal Péter Jegyzetelő: Hajnal Péter 2011. április 27. 1. Lineáris egyenlőség feltételek melletti minimalizálás Múlt héten nem szerepeltek
RészletesebbenVIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag. Mátrix rangja
VIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag 2019. március 21. Mátrix rangja 1. Számítsuk ki az alábbi mátrixok rangját! (d) 1 1 2 2 4 5 1 1 1 1 1 1 1 1 2 1 2 1 1 0 1 1 2 1 0 1 1 1 1 2 3 1 3
Részletesebben1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak
1. Generátorrendszer Generátorrendszer. Tétel (Freud, 4.3.4. Tétel) Legyen V vektortér a T test fölött és v 1,v 2,...,v m V. Ekkor a λ 1 v 1 + λ 2 v 2 +... + λ m v m alakú vektorok, ahol λ 1,λ 2,...,λ
RészletesebbenVektorok, mátrixok, lineáris egyenletrendszerek
a Matematika mérnököknek I. című tárgyhoz Vektorok, mátrixok, lineáris egyenletrendszerek Vektorok A rendezett valós számpárokat kétdimenziós valós vektoroknak nevezzük. Jelölésükre latin kisbetűket használunk.
RészletesebbenA szimplex algoritmus
A szimplex algoritmus Ismétlés: reprezentációs tétel, az optimális megoldás és az extrém pontok kapcsolata Alapfogalmak: bázisok, bázismegoldások, megengedett bázismegoldások, degenerált bázismegoldás
RészletesebbenMatematika (mesterképzés)
Matematika (mesterképzés) Környezet- és Településmérnököknek Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Vinczéné Varga A. Környezet- és Településmérnököknek 2016/2017/I 1 / 29 Lineáris tér,
RészletesebbenMatematika A1a Analízis
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Matematika A1a Analízis BMETE90AX00 Vektorok StKis, EIC 2019-02-12 Wettl Ferenc ALGEBRA
RészletesebbenHadamard-mátrixok Előadó: Hajnal Péter február 23.
Szimmetrikus kombinatorikus struktúrák MSc hallgatók számára Hadamard-mátrixok Előadó: Hajnal Péter 2012. február 23. 1. Hadamard-mátrixok Ezen az előadáson látásra a blokkrendszerektől független kombinatorikus
Részletesebben17. előadás: Vektorok a térben
17. előadás: Vektorok a térben Szabó Szilárd A vektor fogalma A mai előadásban n 1 tetszőleges egész szám lehet, de az egyszerűség kedvéért a képletek az n = 2 esetben szerepelnek. Vektorok: rendezett
RészletesebbenTotális Unimodularitás és LP dualitás. Tapolcai János
Totális Unimodularitás és LP dualitás Tapolcai János tapolcai@tmit.bme.hu 1 Optimalizálási feladat kezelése NP-nehéz Hatékony megoldás vélhetően nem létezik Jó esetben hatékony algoritmussal közelíteni
RészletesebbenLINEÁRIS ALGEBRA. matematika alapszak. Euklideszi terek. SZTE Bolyai Intézet, őszi félév. Euklideszi terek LINEÁRIS ALGEBRA 1 / 40
LINEÁRIS ALGEBRA matematika alapszak SZTE Bolyai Intézet, 2016-17. őszi félév Euklideszi terek Euklideszi terek LINEÁRIS ALGEBRA 1 / 40 Euklideszi tér Emlékeztető: A standard belső szorzás és standard
Részletesebben1. Előadás: Az alapfeladat. 1. Az optimalizálás alapfeladata és alapfogalmai
Optimalizálási eljárások MSc hallgatók számára 1. Előadás: Az alapfeladat Előadó: Hajnal Péter 2015. tavasz L.V. Kantorovics (1912-1986) Az optimalizálás a matematika legkülönfélébb területeinek találkozási
Részletesebben1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)
Matematika A2c gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 2017/18 ősz 1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) 1. Valós vektorterek-e a következő
RészletesebbenKvadratikus alakok és euklideszi terek (előadásvázlat, október 5.) Maróti Miklós, Kátai-Urbán Kamilla
Kvadratikus alakok és euklideszi terek (előadásvázlat, 0. október 5.) Maróti Miklós, Kátai-Urbán Kamilla Az előadáshoz ajánlott jegyzet: Szabó László: Bevezetés a lineáris algebrába, Polygon Kiadó, Szeged,
RészletesebbenHaladó lineáris algebra
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Haladó lineáris algebra BMETE90MX54 Lineáris leképezések 2017-02-21 IB026 Wettl Ferenc
RészletesebbenÖsszeállította: dr. Leitold Adrien egyetemi docens
Skaláris szorzat az R n vektortérben Összeállította: dr. Leitold Adrien egyetemi docens 2008.09.08. 1 Vektorok skaláris szorzata Két R n -beli vektor skaláris szorzata: Legyen a = (a 1,a 2,,a n ) és b
RészletesebbenLineáris algebra és a rang fogalma (el adásvázlat, szeptember 29.) Maróti Miklós
Lineáris algebra és a rang fogalma (el adásvázlat, 2010. szeptember 29.) Maróti Miklós Ennek az el adásnak a megértéséhez a következ fogalmakat kell tudni: (1) A mátrixalgebrával kapcsolatban: számtest
RészletesebbenMiért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek
Az november 23-i szeminárium témája Rövid összefoglaló Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek felfrissítése? Tekintsünk ξ 1,..., ξ k valószínűségi változókat,
RészletesebbenLineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31
Lineáris leképezések Wettl Ferenc 2015. március 9. Wettl Ferenc Lineáris leképezések 2015. március 9. 1 / 31 Tartalom 1 Mátrixleképezés, lineáris leképezés 2 Alkalmazás: dierenciálhatóság 3 2- és 3-dimenziós
RészletesebbenGPK M1 (BME) Interpoláció / 16
Interpoláció Matematika M1 gépészmérnököknek 2017. március 13. GPK M1 (BME) Interpoláció 2017 1 / 16 Az interpoláció alapfeladata - Példa Tegyük fel, hogy egy ipari termék - pl. autó - előzetes konstrukciójának
RészletesebbenGráfelmélet/Diszkrét Matematika MSc hallgatók számára. Párosítások
Gráfelmélet/Diszkrét Matematika MSc hallgatók számára Párosítások 2012. november 19. Előadó: Hajnal Péter 1. Alapfogalmak Emlékeztető. Legyen G egy gráf, E(G) a G élhalmaza, V (G) gráfunk csúcshalmaza.
Részletesebben1. Bázistranszformáció
1. Bázistranszformáció Transzformáció mátrixa új bázisban A bázistranszformáció képlete (Freud, 5.8.1. Tétel) Legyenek b és d bázisok V -ben, ] v V és A Hom(V). Jelölje S = [[d 1 ] b,...,[d n ] b T n n
Részletesebben10. Előadás. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai
Optimalizálási eljárások MSc hallgatók számára 10. Előadás Előadó: Hajnal Péter Jegyzetelő: T. Szabó Tamás 2011. április 20. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai A feltétel nélküli optimalizálásnál
Részletesebben1. Az euklideszi terek geometriája
1. Az euklideszi terek geometriája Bázishoz tartozó skaláris szorzat Emékeztető Az R n vektortérbeli v = λ 2... és w = λ 1 λ n µ 1 µ 2... µ n λ 1 µ 1 +λ 2 µ 2 +...+λ n µ n. Jele v,w. v,w = v T u, azaz
RészletesebbenAnalízis előadás és gyakorlat vázlat
Analízis előadás és gyakorlat vázlat Készült a PTE TTK GI szakos hallgatóinak Király Balázs 2010-11. I. Félév 2 1. fejezet Számhalmazok és tulajdonságaik 1.1. Nevezetes számhalmazok ➀ a) jelölése: N b)
RészletesebbenA lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2018/
Operációkutatás I. 2018/2019-2. Szegedi Tudományegyetem Informatika Intézet Számítógépes Optimalizálás Tanszék 2. Előadás LP alapfeladat A lineáris programozás (LP) alapfeladata standard formában Max c
RészletesebbenFüggvények Megoldások
Függvények Megoldások ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x x b) x x + c) x ( x + ) b) Az x függvény
RészletesebbenOperációkutatás. Vaik Zsuzsanna. ajánlott jegyzet: Szilágyi Péter: Operációkutatás
Operációkutatás Vaik Zsuzsanna Vaik.Zsuzsanna@ymmfk.szie.hu ajánlott jegyzet: Szilágyi Péter: Operációkutatás Operációkutatás Követelmények: Aláírás feltétele: foglalkozásokon való részvétel + a félév
RészletesebbenA lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2017/
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatika Intézet Számítógépes Optimalizálás Tanszék 2. Előadás LP alapfeladat A lineáris programozás (LP) alapfeladata standard formában Max c
RészletesebbenFeladatok a Gazdasági matematika II. tárgy gyakorlataihoz
Debreceni Egyetem Közgazdaságtudományi Kar Feladatok a Gazdasági matematika II tárgy gyakorlataihoz a megoldásra ajánlott feladatokat jelöli e feladatokat a félév végére megoldottnak tekintjük a nehezebb
RészletesebbenLNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei
Legkisebb négyzetek módszere, folytonos eset Folytonos eset Legyen f C[a, b]és h(x) = a 1 φ 1 (x) + a 2 φ 2 (x) +... + a n φ n (x). Ekkor tehát az n 2 F (a 1,..., a n ) = f a i φ i = = b a i=1 f (x) 2
RészletesebbenÖsszeállította: dr. Leitold Adrien egyetemi docens
Az R n vektortér Összeállította: dr. Leitold Adrien egyetemi docens 2008.09.08. R n vektortér/1 Vektorok Rendezett szám n-esek: a = (a 1, a 2,, a n ) sorvektor a1 a = a2 oszlopvektor... a n a 1, a 2,,
RészletesebbenOptimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 9. Előadás Az optimalizálás alapfeladata Keressük f függvény maximumát ahol f : R n R és
RészletesebbenBevezetés az algebrába 2
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Bevezetés az algebrába 2 BMETE91AM37 Mátrixfüggvények H607 2018-05-02 Wettl Ferenc
RészletesebbenGauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei
A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.
Részletesebben11. Előadás. 11. előadás Bevezetés a lineáris programozásba
11. Előadás Gondolkodnivalók Sajátérték, Kvadratikus alak 1. Gondolkodnivaló Adjuk meg, hogy az alábbi A mátrixnak mely α értékekre lesz sajátértéke a 5. Ezen α-ák esetén határozzuk meg a 5 sajátértékhez
RészletesebbenA lineáris programozás alapjai
A lineáris programozás alapjai A konvex analízis alapjai: konvexitás, konvex kombináció, hipersíkok, félterek, extrém pontok, Poliéderek, a Minkowski-Weyl tétel (a poliéderek reprezentációs tétele) Lineáris
RészletesebbenGyakorló feladatok I.
Gyakorló feladatok I. a Matematika Aa Vektorüggvények tárgyhoz (D D5 kurzusok) Összeállította: Szili László Ajánlott irodalmak:. G.B. Thomas, M.D. Weir, J. Hass, F.R. Giordano: Thomas-féle KALKULUS I.,
RészletesebbenMatematika szigorlat június 17. Neptun kód:
Név Matematika szigorlat 014. június 17. Neptun kód: 1.. 3. 4. 5. Elm. Fel. Össz. Oszt. Az eredményes szigorlat feltétele elméletből legalább 0 pont, feladatokból pedig legalább 30 pont elérése. A szigorlat
Részletesebben15. LINEÁRIS EGYENLETRENDSZEREK
15 LINEÁRIS EGYENLETRENDSZEREK 151 Lineáris egyenletrendszer, Gauss elimináció 1 Definíció Lineáris egyenletrendszernek nevezzük az (1) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
Részletesebbenkarakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja
Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja 1.Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus
RészletesebbenFraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk
Fraktálok Kontrakciók Affin leképezések Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék TARTALOMJEGYZÉK 1 of 71 A Lipschitz tulajdonság ÁTMÉRŐ, PONT ÉS HALMAZ TÁVOLSÁGA Definíció Az (S, ρ) metrikus tér
RészletesebbenTestek. 16. Legyen z = 3 + 4i, w = 3 + i. Végezzük el az alábbi. a) (2 4), Z 5, b) (1, 0, 0, 1, 1) (1, 1, 1, 1, 0), Z 5 2.
Vektorok. Melyek egyenlőek az alábbi vektorok közül? (a) (, 2, 0), (b) az (, 0, ) pontból a (2, 2, ) pontba mutató vektor, (c) ( 2,, ) ( 2,, 2), (d) [ 2 0 ], (e) 2. 0 2. Írjuk fel az x + y + 2z = 0 és
Részletesebben1. zárthelyi,
1. zárthelyi, 2009.10.20. 1. Írjuk fel a tér P = (0,2,4) és Q = (6, 2,2) pontjait összekötő szakasz felezőmerőleges síkjának egyenletét. 2. Tekintsük az x + 2y + 3z = 14, a 2x + 6y + 10z = 24 és a 4x+2y
RészletesebbenVektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27
Vektorterek Wettl Ferenc 2015. február 17. Wettl Ferenc Vektorterek 2015. február 17. 1 / 27 Tartalom 1 Egyenletrendszerek 2 Algebrai struktúrák 3 Vektortér 4 Bázis, dimenzió 5 Valós mátrixok és egyenletrendszerek
RészletesebbenLINEÁRIS MODELLBEN május. 1. Lineáris modell, legkisebb négyzetek elve
BECSLÉS ÉS HIPOTÉZISVIZSGÁLAT LINEÁRIS MODELLBEN Móri Tamás ELTE TTK Valószínűségelméleti és Statisztika Tanszék 2008 május Lineáris modell, legkisebb négyzetek elve Tegyük fel, hogy egy bizonyos pl fizikai)
RészletesebbenDiszkrét matematika I., 12. előadás Dr. Takách Géza NyME FMK Informatikai Intézet takach november 30.
1 Diszkrét matematika I, 12 előadás Dr Takách Géza NyME FMK Informatikai Intézet takach@infnymehu http://infnymehu/ takach 2005 november 30 Vektorok Definíció Egy tetszőleges n pozitív egész számra n-komponensű
Részletesebben9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet
9. Előadás Megyesi László: Lineáris algebra, 75. 84. oldal. Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Határozzuk meg a p valós paraméter értékétől függően a következő mátrix rangját: p 3 1 2 2
Részletesebben1. Mit jelent az, hogy egy W R n részhalmaz altér?
Az informatikus lineáris algebra dolgozat B részének lehetséges kérdései Az alábbi listában azok a definíciók és állítások, tételek szerepelnek, melyeket a vizsgadolgozat B részében kérdezhetünk. A válaszoknál
RészletesebbenVektorok. Wettl Ferenc október 20. Wettl Ferenc Vektorok október / 36
Vektorok Wettl Ferenc 2014. október 20. Wettl Ferenc Vektorok 2014. október 20. 1 / 36 Tartalom 1 Vektorok a 2- és 3-dimenziós térben 2 Távolság, szög, orientáció 3 Vektorok koordinátás alakban 4 Összefoglalás
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenÁttekintés LP és geometria Többcélú LP LP és egy dinamikus modell 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 6. Előadás Áttekintés Kezdjük újra a klasszikus erőforrás allokációs problémával (katonák,
Részletesebben9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, Leontyev-modell
9. Előadás Megyesi László: Lineáris algebra, 75. 84. oldal. Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Tegyük fel, hogy egy elemi bázistranszformáció kezdetekor a sor- és oszlopindexek sorban helyezkednek
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek megoldásához!
Részletesebbenazonosságot minden 1 i, l n, 1 j k, indexre teljesítő együtthatókkal, amelyekre érvényes a = c (j) i,l l,i
A Cochran Fisher tételről A matematikai statisztika egyik fontos eredménye a Cochran Fisher tétel, amely a variancia analízisben játszik fontos szerepet. Ugyanakkor ez a tétel lényegét tekintve valójában
RészletesebbenOpkut deníciók és tételek
Opkut deníciók és tételek Készítette: Bán József Deníciók 1. Deníció (Lineáris programozási feladat). Keressük meg adott lineáris, R n értelmezési tartományú függvény, az ún. célfüggvény széls értékét
RészletesebbenMindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé.
HA 1 Mindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé. (Albert Einstein) HA 2 Halmazok HA 3 Megjegyzések A halmaz, az elem és az eleme fogalmakat nem definiáljuk, hanem alapfogalmaknak
Részletesebben8. Előadás. Megyesi László: Lineáris algebra, , oldal. 8. előadás Mátrix rangja, Homogén lineáris egyenletrendszer
8. Előadás Megyesi László: Lineáris algebra, 51. 56., 70. 74. oldal. Gondolkodnivalók Elemi bázistranszformáció 1. Gondolkodnivaló Most ne vegyük figyelembe, hogy az elemi bázistranszformáció során ez
Részletesebben3. Lineáris differenciálegyenletek
3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra
Részletesebben6. gyakorlat. Gelle Kitti. Csendes Tibor Somogyi Viktor. London András. jegyzetei alapján
Közelítő és szimbolikus számítások 6. gyakorlat Sajátérték, Gersgorin körök Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján . Mátrixok sajátértékei
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenPrincipal Component Analysis
Principal Component Analysis Principal Component Analysis Principal Component Analysis Definíció Ortogonális transzformáció, amely az adatokat egy új koordinátarendszerbe transzformálja úgy, hogy a koordináták
Részletesebbenb) Ábrázolja ugyanabban a koordinátarendszerben a g függvényt! (2 pont) c) Oldja meg az ( x ) 2
1) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) b) c) ( ) ) Határozza meg az 1. feladatban megadott, ; intervallumon
RészletesebbenDualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 7. Előadás Árazási interpretáció Tekintsük újra az erőforrás allokációs problémát (vonat
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
Részletesebben11. előadás. Konvex poliéderek
11. előadás Konvex poliéderek Konvex poliéder 1. definíció: Konvex poliédernek nevezzük a térben véges sok, nem egysíkú pont konvex burkát. 2. definíció: Konvex poliédernek nevezzük azokat a térbeli korlátos
Részletesebben1. Homogén lineáris egyenletrendszer megoldástere
X HOMOGÉN LINEÁRIS EGYENLET- RENDSZEREK 1 Homogén lineáris egyenletrendszer megoldástere Homogén lineáris egyenletrendszer definíciója már szerepelt Olyan lineáris egyenletrendszert nevezünk homogénnek,
RészletesebbenGauss-eliminációval, Cholesky felbontás, QR felbontás
Közelítő és szimbolikus számítások 4. gyakorlat Mátrix invertálás Gauss-eliminációval, Cholesky felbontás, QR felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei
RészletesebbenGeometria 1 normál szint
Geometria 1 normál szint Naszódi Márton nmarci@math.elte.hu www.math.elte.hu/ nmarci ELTE TTK Geometriai Tsz. Budapest Geometria 1 p.1/4 Vizsga 1 Írásban, 90 perc. 2 Személyazonosságot igazoló okmány nélkül
RészletesebbenBevezetés az algebrába 2 Vektor- és mátrixnorma
Bevezetés az algebrába 2 Vektor- és mátrixnorma Wettl Ferenc Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M 2016.
RészletesebbenA parciális törtekre bontás?
Miért működik A parciális törtekre bontás? Borbély Gábor 212 június 7 Tartalomjegyzék 1 Lineáris algebra formalizmus 2 2 A feladat kitűzése 3 3 A LER felépítése 5 4 A bizonyítás 6 1 Lineáris algebra formalizmus
RészletesebbenVEKTORTEREK I. VEKTORTÉR, ALTÉR, GENERÁTORRENDSZER október 15. Irodalom. További ajánlott feladatok
VEKTORTEREK I. VEKTORTÉR, ALTÉR, GENERÁTORRENDSZER 2004. október 15. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak az előadáson, másrészt megtalálják
Részletesebben2012. október 2 és 4. Dr. Vincze Szilvia
2012. október 2 és 4. Dr. Vincze Szilvia Tartalomjegyzék 1.) Az egyváltozós valós függvény fogalma, műveletek 2.) Zérushely, polinomok zérushelye 3.) Korlátosság 4.) Monotonitás 5.) Szélsőérték 6.) Konvex
RészletesebbenNumerikus módszerek beugró kérdések
1. Definiálja a gépi számok halmazát (a tanult modellnek megfelelően)! Adja meg a normalizált lebegőpontos szám alakját. (4 pont) Az alakú számot normalizált lebegőpontos számnak nevezik, ha Ahol,,,. Jelöl:
RészletesebbenMindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé. (Albert Einstein) Halmazok 1
Halmazok 1 Mindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé. (Albert Einstein) Halmazok 2 A fejezet legfontosabb elemei Halmaz megadási módjai Halmazok közti műveletek (metszet,
RészletesebbenMátrixok 2017 Mátrixok
2017 számtáblázatok" : számok rendezett halmaza, melyben a számok helye két paraméterrel van meghatározva. Például lineáris egyenletrendszer együtthatómátrixa 2 x 1 + 4 x 2 = 8 1 x 1 + 3 x 2 = 1 ( 2 4
Részletesebben10. előadás. Konvex halmazok
10. előadás Konvex halmazok Konvex halmazok Definíció: A K ponthalmaz konvex, ha bármely két pontjának összekötő szakaszát tartalmazza. Állítás: Konvex halmazok metszete konvex. Konvex halmazok uniója
Részletesebben1. GONDOLKODÁSI MÓDSZEREK, HALMAZOK, KOMBINATORIKA, GRÁFOK
MATEMATIKA TÉMAKÖRÖK 11. évfolyam 1. GONDOLKODÁSI MÓDSZEREK, HALMAZOK, KOMBINATORIKA, GRÁFOK 1.1. HALMAZOK 1.1.1. Halmazok megadásának módjai 1.1.2. Halmazok egyenlősége, részhalmaz, üres halmaz, véges,
RészletesebbenEgyenletek, egyenlőtlenségek VII.
Egyenletek, egyenlőtlenségek VII. Magasabbfokú egyenletek: A 3, vagy annál nagyobb fokú egyenleteket magasabb fokú egyenleteknek nevezzük. Megjegyzés: Egy n - ed fokú egyenletnek legfeljebb n darab valós
RészletesebbenKétfázisú szimplex algoritmus és speciális esetei
5. gyakorlat Kétfázisú szimplex algoritmus és speciális esetei. Emlékeztető Standard alak, áttérés Standard alak Minden feltétel et tartalmaz csak. A célfüggvényünket maximalizáljuk. A b vektor (jobb oldalon
RészletesebbenOptimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben
Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára Analízis R d -ben Gyakorlatvezetõ: Hajnal Péter 2012. február 8 1. Konvex függvények Definíció. f : D R konvex, ha dom(f) := D R n konvex és tetszőleges
Részletesebben6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?
6. Függvények I. Nulladik ZH-ban láttuk: 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? f x g x cos x h x x ( ) sin x (A) Az f és a h. (B) Mindhárom. (C) Csak az f.
RészletesebbenAlkalmazott algebra. Lineáris leképezések EIC. Wettl Ferenc ALGEBRA TANSZÉK BMETE90MX57 (FELSŐBB MATEMATIKA INFORMATIKUSOKNAK )
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Alkalmazott algebra BMETE90MX57 (FELSŐBB MATEMATIKA INFORMATIKUSOKNAK ) Lineáris leképezések
Részletesebben1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0
I. Legyen f : R R, f(x) = 1 1 + x 2, valamint 1. Házi feladat d : R + 0 R+ 0 R (x, y) f(x) f(y). 1. Igazoljuk, hogy (R + 0, d) metrikus tér. 2. Adjuk meg az x {0, 3} pontok és r {1, 2} esetén a B r (x)
RészletesebbenAlkalmazott algebra - SVD
Alkalmazott algebra - SVD Ivanyos Gábor 20 sz Poz. szemidenit mátrixok spektrálfelbontásának általánosítása nem feltétlenül négyzetes mátrixokra LSI - mögöttes szemantikájú indexelés "Közelít " webkeresés
RészletesebbenAz állítást nem bizonyítjuk, de a létezést a Paley-féle konstrukció mutatja: legyen H a
. Blokkrendszerek Definíció. Egy (H, H), H H halmazrendszer t (v, k, λ)-blokkrendszer, ha H = v, B H : B = k, és H minden t elemű részhalmazát H-nak pontosan λ eleme tartalmazza. H elemeit blokkoknak nevezzük.
RészletesebbenMátrixfüggvények. Wettl Ferenc április 28. Wettl Ferenc Mátrixfüggvények április / 22
Mátrixfüggvények Wettl Ferenc 2016. április 28. Wettl Ferenc Mátrixfüggvények 2016. április 28. 1 / 22 Tartalom 1 Diagonalizálható mátrixok függvényei 2 Mátrixfüggvény a Jordan-alakból 3 Mátrixfüggvény
RészletesebbenMegoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1
Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =
Részletesebben10. Előadás. Megyesi László: Lineáris algebra, oldal. 10. előadás Sajátérték, Kvadaratikus alak
10. Előadás Megyesi László: Lineáris algebra, 98. 108. oldal. Gondolkodnivalók Mátrix inverze 1. Gondolkodnivaló Igazoljuk, hogy invertálható trianguláris mátrixok inverze is trianguláris. Bizonyítás:
RészletesebbenAnalízis I. Vizsgatételsor
Analízis I. Vizsgatételsor Programtervező Informatikus szak 2008-2009. 2. félév Készítette: Szabó Zoltán SZZNACI.ELTE zotyo@bolyaimk.hu v.0.6 RC 004 Forrás: Oláh Gábor: ANALÍZIS I.-II. VIZSGATÉTELSOR 2006-2007-/2
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x
RészletesebbenNumerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások
Numerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások 1. Feladat. (6p) Jelöljön. egy tetszőleges vektornormát, ill. a hozzá tartozó indukált mátrixnormát! Igazoljuk, hogy ha A
Részletesebben1. Lineáris transzformáció
Lineáris transzformáció Lineáris transzformáció mátrixának felírása eg adott bázisban: Emlékeztető: Legen B = {u,, u n } eg tetszőleges bázisa az R n -nek, Eg tetszőleges v R n vektor egértelműen felírható
RészletesebbenDescartes-féle, derékszögű koordináta-rendszer
Descartes-féle, derékszögű koordináta-rendszer A derékszögű koordináta-rendszerben a sík minden pontjához egy rendezett valós számpár rendelhető. A számpár első tagja (abszcissza) a pont y tengelytől mért
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA MATEmATIkA I 6 VI KOmPLEX SZÁmOk 1 A komplex SZÁmOk HALmAZA A komplex számok olyan halmazt alkotnak amelyekben elvégezhető az összeadás és a szorzás azaz két komplex szám összege és szorzata
RészletesebbenGráfelmélet/Diszkrét Matematika MSc hallgatók számára. 13. Előadás
Gráfelmélet/Diszkrét Matematika MSc hallgatók számára 13. Előadás Előadó: Hajnal Péter Jegyzetelő: Hajnal Péter 2009. december 7. Gráfok sajátértékei Definíció. Egy G egyszerű gráf sajátértékei az A G
Részletesebben